# 1. Мета роботи

**Навчитися виконувати ієрархічну (агломеративну) кластеризацію — будувати матрицю
відстаней, крок за кроком зливати кластери різними метриками зв'язку та читати
дендрограму, — а також реалізувати агломеративний алгоритм «знизу догори»
програмою, що читає дані з файлу CSV, і порівняти якість кластеризації з
алгоритмом $k$-середніх.**

Виконавши роботу, студент повинен уміти:

- **будувати матрицю попарних відстаней** між об'єктами й оновлювати її після
  злиття кластерів;
- **виконувати агломеративний алгоритм** (кожен об'єкт — кластер; злиття
  найближчої пари; повтор до одного кластера) **одиночним** і **повним** зв'язком;
- **розрізняти метрики зв'язку** — одиночний (найближчого сусіда), повний
  (найдальшого сусіда), середній (груповий середній / UPGMA), центроїдний, Ward —
  і розуміти, як вибір метрики впливає на результат;
- **будувати й читати дендрограму**: висота злиття, порядок злиттів, розріз на
  задане число кластерів;
- **оцінювати якість** кластеризації **індексом Данна** та **силуетним
  коефіцієнтом** і за ними **порівнювати** розбиття;
- **реалізувати** агломеративну кластеризацію у вигляді програми, що приймає файл
  CSV, записує результат у файл і **порівнює** якість з $k$-середніми.

Робота закріплює [Лекцію 10 — Ієрархічні методи кластеризації](../../Lectures/DA-L10.md)
й спирається на [Лекцію 9](../../Lectures/DA-L09.md) ($k$-середніх). Уся потрібна
теорія повторена в самодостатньому вигляді в [методичних вказівках](2method.md).